A Model To Forecast Styrene Prices Based on Oil Quotations

The aim of this research was to estimate a model to predict prices of styrene, using time series forecasting techniques, and oil prices as an external predictor variable. Styrene is produced from ethylene and benzene – both of which are derived from oil. Hence, oil prices may have an impact on the prices of styrene. Data available is in the form of a time series, considering the second decade of the 21st century. Hence, time series forecasting techniques, namely Autoregressive Integrated Moving Average model (ARIMA) and Autoregressive Integrated Moving Average Exogenous Variable model (ARIMAX), were used to estimate the model of styrene. Using oil prices, in the latter model, as an exogenous variable to estimate the trend and improve forecast. As a result of model estimation, it was observed, for both the techniques, that the model’s order was similar, with ARIMAX having an additional term of oil prices, which was impacting the overestimated forecast by reducing it, bringing it closer to the real value. Based on the performance parameters used, mainly focusing on Mean Absolute Percentage Error (MAPE), the hypothesis of oil prices affecting styrene prices was proved to be true. Thus, the incorporation of this exogenous variable had a positive impact on the accuracy of the model improving MAPE by approximately 0.5%. Hence, it was concluded that for short term forecasting ARIMAX was better able to predict the prices of styrene than ARIMA. However, the model estimated had limitations for only being applicable for short term forecasts, and as it was observed, from 6th predicted value onwards, forecasting error crossed the 10% error threshold. Thus, for long-term forecasts, alternative techniques should be explored.

Lo scopo di questa ricerca è di sviluppare un modello per prevedere il prezzo dello stirene, usando dei modelli previsionali basati su serie temporali, e il prezzo del petrolio come variabile predittiva. Lo stirene si produce dall’etilene e dal benzene, entrambi dei quali derivano dal petrolio. Perciò, il prezzo del petrolio può avere un impatto sul prezzo dello stirene. I dati a disposizione sono nella forma di serie temporale, considerando la seconda decade del ventunesimo secolo. Quindi, sono stati usati, per stimare il prezzo dello stirene, modelli previsionali basati su serie temporali, ovvero modelli autoregressivi a media mobile (ARIMA) e modelli autoregressivi a media mobile e variabile esogena (ARIMAX). Come risultato dei modelli, si è osservato che, per entrambe le tecniche, l’ordine del modello è simile, con ARIIMAX avente un termine addizionale per il prezzo del petrolio, che ha impattato l’errore di sovrastima riducendolo, e portandolo più vicino al valore reale. Sulla base dei parametri usati, e principalmente sull’errore percentuale medio assoluto (MAPE), l’ipotesi che il petrolio influenzi il prezzo dello stirene si è dimostrata fondata. Dunque, l’aggiunta di questa variabile esogena ha avuto un impatto positivo sull’accuratezza del modello, migliorando il MAPE di circa lo 0,5%. In conclusione, si è osservato che nel breve termine ARIMAX è migliore di ARIMA per predire i prezzi dello stirene. Tuttavia, il modello stimato ha molti limiti, essendo applicabile solo a brevi previsioni, dato che si è osservato che, dal sesto valore previsto in poi, l’errore previsionale ha superato la soglia del 10%. Dunque, per stime a lungo termine, altre tecniche devono essere impiegate.